dígito_hablado

  • Descripción :

Un conjunto de datos de audio gratuito de dígitos hablados. Piense en MNIST para audio.

Un conjunto de datos de voz/audio simple que consta de grabaciones de dígitos hablados en archivos wav a 8 kHz. Las grabaciones se recortan para que tengan un silencio mínimo al principio y al final.

5 altavoces
2500 grabaciones (50 de cada dígito por locutor)
Pronunciaciones en inglés

Los archivos se nombran en el siguiente formato: {digitLabel} {speakerName} {index}.wav

Separar Ejemplos
'train' 2,500
  • Estructura de características :
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'audio/filename': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
audio Audio (Ninguno,) int64
audio/nombre de archivo Texto cuerda
etiqueta Etiqueta de clase int64
  • Cita :
@ONLINE {Free Spoken Digit Dataset,
    author = "Zohar Jackson",
    title  = "Spoken_Digit",
    year   = "2016",
    url    = "https://github.com/Jakobovski/free-spoken-digit-dataset"
}